[发明专利]一种油浸式变压器油温预测的概念漂移检测方法

说明书

本发明提供了一种油浸式变压器油温预测的概念漂移检测方法，包括3个模块：前置模块，误差检测模块，漂移判定模块；前置模块中将油浸式变压器的工况数据序列输入至油温预测器中预测相应时间的变压器油温；之后将预测到的结果集和对应真实油温序列传入误差检测模块求得相对误差率集合，接着将该集合送入漂移判定模块中；在漂移判定模块中为了检测出变压器油温预测模型是否发生了概念漂移，以γ为警戒值统计集合中预测异常的元素个数以及它们在整个预测结果集中的占比，并设定阈值对占比进行分析，最后得到判定结果。本发明针对油温预测器的概念漂移检测方法能够及时有效的发现油温预测器中概念漂移现象的产生。

技术领域

本发明属于电网设备状态监测与风险预警技术领域，具体为一种油浸式变压器油温预测的概念漂移检测方法。

背景技术

油浸式变压器是电力系统中核心设备之一。但在现实生活中，若油浸式变压器长时间处于过负载状态会导致其油温异常，从而性能衰减，出现配电不稳等各种故障问题。因此，通过油浸式变压器的工况数据对未来变压器油温进行预测，以便提前发现油浸式变压器的异常，对保障油浸式变压器的正常运行具有重要的意义。近几年随着对人工智能研究的不断深入，有关油浸式变压器的异常诊断技术有了很大的提升。很多人尝试使用机器学习的技术对变压器历史油温工况数据进行分析，从而对变压器进行异常诊断。尽管基于机器学习的方法虽然比传统的变压器异常诊断技术更便捷且易于推广，但是这类故障诊断方法的准确率普遍不高。通过研究我们发现，这类故障诊断准确率不高的主要原因往往是因为变压器内部元器件不间断氧化、变压器外部负载不规律的变化，这可能导致变压器油温工况与油温数据极易随着时间的推移发生了不可预见的变化，而概念漂移现象指的是目标变量的统计特性随着时间的推移以不可预见的方式变化，因此这是一种典型的概念漂移现象，这种现象对已有的变压器油温预测模型产生了极大的影响。

发明内容

在使用机器学习方法对变压器油温进行预测的过程中，为了解决传统方法没有考虑变压器油温预测器可能存在概念漂移的问题，提出了一种油浸式变压器油温预测的概念漂移检测方法。

为实现上述目的，本发明提供如下技术方案：一种油浸式变压器油温预测的概念漂移检测方法，包括3个模块：前置模块，误差检测模块，漂移判定模块；前置模块中将油浸式变压器的工况数据序列输入至油温预测器中预测相应时间的变压器油温，其中，油浸式变压器的工况数据序列由油温数据采集时间、主变高中低压侧有功遥测、主变高中低压侧无功遥测、主变高中低压侧功率因数遥测、主变高中低压侧电流值遥测、主变A/B/C相绕组温度、主变A/B/C相油温以及外部气象环境属性构成；之后将预测到的结果集和对应真实油温序列传入误差检测模块求得相对误差率集合，接着将该集合送入漂移判定模块中；在漂移判定模块中为了检测出变压器油温预测模型是否发生了概念漂移，以γ为警戒值统计集合中预测异常的元素个数以及它们在整个预测结果集中的占比，并设定阈值对占比进行分析，最后得到判定结果。

进一步的，所述前置模块将一连续时间段t₁～t_n的n组工况数据序列V_x输入至油温预测器中，得到t₁～t_n的油温预测结果集V_y，后将V_y和对应的真实油温序列V_y传送至误差检测模块，其中：

进一步的，所述误差检测模块利用V_y和V_y求得油温预测的相对误差率，并记相对误差率集合为δ，其中：相对误差率的求取方法为：其中：